미륵신앙의 현대적 고찰

류덕산 한국불교연구원 1990 불교연구 Vol.6.7 No.-

A Comparative Study on Similarity Measure Techniques for Cross-Project Defect Prediction

류덕산,백종문,Ryu, Duksan,Baik, Jongmoon Korea Information Processing Society 2018 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.7 No.6

소프트웨어 결함 예측은 결함이 자주 발생하는 모듈에 집중함으로써 소프트웨어 품질 보증 활동에 귀중한 프로젝트 리소스를 효과적으로 할당하는 데 도움이 될 수 있다. 회사 내에서 수집 된 충분한 기록 데이터를 사용하여 정확한 결함 발생 가능성이 높은 모듈 예측에 대해 WPDP (프로젝트 내 결함 예측)를 사용할 수 있다. 회사가 과거 데이터를 유지하지 못한 경우 CPDP (Cross-Project Defect Prediction) 메커니즘을 기반으로 오류를 예측하는 분류기를 만드는 것이 도움이 될 수 있다. CPDP는 다른 조직에서 수집 한 다른 프로젝트 데이터를 사용하여 분류기를 작성하기 때문에 정확한 분류기를 만드는데 가장 큰 장애물은 소스와 대상 프로젝트 간의 서로 다른 분포이다. 이 문제의 해결을 위해 효과적인 유사도 측정 기술을 식별하는 것이 중요하므로, 본 논문에서는 다양한 유사도 측정 기술을 CPDP 모델에 적용하여 성능을 비교한다. 유사도 가중치의 유효성을 평가하고, 통계적 유의성 검정 및 효과 크기 검정을 통해 결과를 검증한다. 실험 결과, k-Nearest Neighbor (k-NN), LOcal Correlation Integral (LOCI) 및 Range 방법이 유사도 측정 기술 중 상위 3 개에 속했고, 이들을 사용하는 CPDP 예측 성능이 WPDP의 성능과 유사하였다. Software defect prediction is helpful for allocating valuable project resources effectively for software quality assurance activities thanks to focusing on the identified fault-prone modules. If historical data collected within a company is sufficient, a Within-Project Defect Prediction (WPDP) can be utilized for accurate fault-prone module prediction. In case a company does not maintain historical data, it may be helpful to build a classifier towards predicting comprehensible fault prediction based on Cross-Project Defect Prediction (CPDP). Since CPDP employs different project data collected from other organization to build a classifier, the main obstacle to build an accurate classifier is that distributions between source and target projects are not similar. To address the problem, because it is crucial to identify effective similarity measure techniques to obtain high performance for CPDP, In this paper, we aim to identify them. We compare various similarity measure techniques. The effectiveness of similarity weights calculated by those similarity measure techniques are evaluated. The results are verified using the statistical significance test and the effect size test. The results show k-Nearest Neighbor (k-NN), LOcal Correlation Integral (LOCI), and Range methods are the top three performers. The experimental results show that predictive performances using the three methods are comparable to those of WPDP.

유한상태기 계를 적용한 자율주행차의 경로계획기법 사례연구

류덕산 ( Duksan Ryu ),백종문 ( Jongmoon Baik ) 한국정보처리학회 2018 한국정보처리학회 학술대회논문집 Vol.25 No.1

자율주행차에서 경로계획기법은 지도,목적지 경로와 다른 정적/동적 장애물에 대한 예측 정보를 바탕으로,안전하고,합법적이며 효율적으로 차량을 조종하는 목표를 가진다. 고속도로 환경에서, 차량이 차선을 유지하고,다른 차량들과 충돌을 회피하며,더 느리게 움직이는 트래픽을 지나쳐 효율적이면서 안전한 경로를 생성하는 기법이 요구된다. 본 연구에서는,시스템의 행위를 모델링하는 기법 중의 하나인 유한상태기계를 적용하였다. 시뮬레이터를 통해,급가속/감속과,충돌 없이,차선을 유지/변경을 할 수 있음을 보였다. 자율주행차의 고속도로 주행의 경우,유한상태기계를 적용하여,효율적이고 안전한 경로계획을 수행할 수 있다.

교차 프로젝트 결함 예측 성능 향상을 위한 효과적인 하모니 검색 기반 비용 민감 부스팅 최적화

류덕산 ( Duksan Ryu ),백종문 ( Jongmoon Baik ) 한국정보처리학회 2018 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.7 No.3

소프트웨어 결함 예측(SDP)은 결함이 있는 모듈을 식별하기 위한 연구 분야이다. 충분한 로컬 데이터가 없으면 다른 회사에서 수집한 데이터를 사용하여 분류기를 구축하는 교차 프로젝트 결함 예측(CPDP)을 활용할 수 있다. SDP에 대한 대부분의 기계 학습 알고리즘은 서로 다른 값에 따라 예측 성능에 큰 영향을 미치는 하나 이상의 매개 변수를 사용한다. 본 연구의 목적은 CPDP의 예측 성능 향상을 위해 매개 변수 선택 기법을 제안하는 것이다. Harmony Search 알고리즘을 사용하여, 예측 어려움을 야기하는 클래스 불균형을 해결하는 방법인 비용에 민감한 부스팅의 매개 변수를 조정한다. 분포 특성에 따라 매개 변수 범위와 매개 변수 간의 제한 조건 규칙이 정의되어 하모니 검색 알고리즘에 적용된다. 제안된 접근법은 15개의 대상 프로젝트를 대상으로 3개의 CPDP 모델과 내부프로젝트 결함 예측(WPDP) 모델을 비교한다. 실험 결과는 제안된 방법이 클래스 불균형의 맥락에서 다른 CPDP 방법보다 성능이 우수하다는 것을 보여준다. 이전의 연구에서는 탐지 확률이 낮거나 오보가능성이 높았으나 우리의 기법은 높은 PD와 낮은 PF를 제공하면서 높은 전체 성능을 보였다. 또한 WPDP와 비슷한 성능을 제공하였다. Software Defect Prediction (SDP) is a field of study that identifies defective modules. With insufficient local data, a company can exploit Cross-Project Defect Prediction (CPDP), a way to build a classifier using dataset collected from other companies. Most machine learning algorithms for SDP have used more than one parameter that significantly affects prediction performance depending on different values. The objective of this study is to propose a parameter selection technique to enhance the performance of CPDP. Using a Harmony Search algorithm (HS), our approach tunes parameters of cost-sensitive boosting, a method to tackle class imbalance causing the difficulty of prediction. According to distributional characteristics, parameter ranges and constraint rules between parameters are defined and applied to HS. The proposed approach is compared with three CPDP methods and a Within-Project Defect Prediction (WPDP) method over fifteen target projects. The experimental results indicate that the proposed model outperforms the other CPDP methods in the context of class imbalance. Unlike the previous researches showing high probability of false alarm or low probability of detection, our approach provides acceptable high PD and low PF while providing high overall performance. It also provides similar performance compared with WPDP.

An Effective Comparative Framework for Cross-Project Defect Prediction Based on the Feature Selection Technique

Duksan Ryu(류덕산),Jongmoon Baik(백종문) Korean Institute of Information Scientists and Eng 2018 정보과학회논문지 Vol.45 No.7

Software defect prediction (SDP) can help optimally allocate software testing resources on fault-prone modules. Typically, local data within a company are used to build classifiers. Unlike such Within-Project Defect Prediction (WPDP), there may exist some cases, e.g., pilot projects, without any collected data from historical projects. Cross-project defect prediction (CPDP) using data from other projects can be employed in such cases. The defect prediction performance may be degraded in the presence of irrelevant or redundant information. To address this issue, various feature selection techniques have been suggested. Until now, there has been no research on identifying effective feature selection techniques for CPDP. We present a comparative framework using feature selection to produce a high performance for CPDP. We compare eight existing feature selection techniques, for three CPDP and one WPDP model, based on feature subset evaluators and feature ranking methods. After the features are chosen that perform the best, classifiers are built, tested, and evaluated using the statistical significance and effect size tests. Hybrid Instance Selection using Nearest-Neighbor (HISNN) is better than the other CPDP models and comparable to the WPDP model. Results from the comparison show that a different distribution, class imbalance and feature selection should be considered to obtain a high performance CPDP model.

소프트웨어 결함 예측의 조선해양/해상운송 산업 적용 사례 연구

강종구,류덕산,백종문 한국정보과학회 2020 정보과학회논문지 Vol.47 No.8

Software defect prediction is a field of study that predicts defects in newly developed software in advance of use, based on models trained with past software defects and software update information using various latest machine learning techniques. It can provide a guide to effectively operate and deploy software quality assurance (SQA) resources in industry practices. Recently, there have been papers that have investigated the industrial application of software defect prediction, but more active research is needed to analyze how this can be applied over diverse domains with different characteristics. In this paper, we present the possibility of applying software defect prediction in the maritime and ocean transportation industries. These are facing challenges to build and deploy the types of emerging transportations such as high-efficiency eco-friendly ships, connected ships, smart ships, unmanned ships, or autonomous ships. In our experiments using actual data collected from the domain, the software defect prediction showed high defect prediction performance with 0.91 accuracy and 0.831 f-measure. This suggests that software defect prediction can be a useful tool to allocate SQA resources effectively in this field. 소프트웨어 결함 예측(Software Defect Prediction)은 최신의 다양한 기계학습 (Machine Learning) 기법을 적용하여 과거의 소프트웨어 결함 및 업데이트 정보를 학습한 모델을 기반으로 새로 개발된 소프트웨어 결함을 사전에 예측하는 연구이다. 이를 통해 실제 산업에서 소프트웨어 품질보증(SQA) 자원을 효과적으로 운영/배치하기 위한 가이드로 활용할 수 있다. 최근 산업 적용 사례들이 일부 학계에 보고되고 있지만, 특성이 서로 다른 다양한 도메인 적용과 이를 적용하면서 얻은 통찰을 실제에 반영하는 연구가 보다 활발하게 필요한 상황이다. 본 논문에서는 최근 고효율 친환경 선박, 커넥티드 선박, 스마트 선박, 무인 선박, 자율운항 선박 등 미래 운송 수단으로의 변화에 직면해 있는 조선해양/해상운송 산업에 소프트웨어 결함 예측의 적용 가능성을 제시한다. 해당 도메인에서 수집된 실제 데이터를 활용하여 실험을 수행한 결과 0.91 Accuracy와 0.831 F-measure의 높은 결함 예측 성능을 보여 가능성을 확인하였고, 기존 사례가 없는 해당 산업으로의 적용 방안을 제시하여 SQA 자원 배치를 효과적으로 지원하는 도구가 될 것으로 기대 된다.

순환 신경망 기반 소프트웨어 신뢰성 추정 모델의 정확성 및 안정성 비교 분석 연구

김태현,류덕산,백종문 한국정보과학회 2023 정보과학회논문지 Vol.50 No.8

Existing studies on software reliability estimation based on recurrent neural networks have used networks to create one model under the same conditions and evaluated the accuracy of the model. However, due to the randomness of artificial neural networks, such recurrent neural networks can generate different training results of models even under the same conditions, which can lead to inaccurate software reliability estimation. Therefore, this paper compares and analyzes which recurrent neural networks could estimate software reliability more stably and accurately. We estimated software reliability in eight real projects using three representative recurrent neural networks and compared and analyzed the performances of these models in terms of accuracy and stability. As a result, Long Short-Term Memory showed the most stable and accurate software reliability estimation performance. A more accurate and stable software reliability estimation model is expected to be selected based on the results of this study.

데이터-기반 소프트웨어 신뢰도 예측을 이용한 소프트웨어 신뢰도 모델 선택

이낙원,류덕산,조일훈,송재근,백종문 한국정보과학회 2022 정보과학회논문지 Vol.49 No.6

To solve the model generalization problem, i.e., there is no single best model that fits all types of software failure data, model selection techniques and data-driven reliability prediction techniques have been proposed. However, model selection techniques still wrongly select some failure data, and the reliability metrics that the data-driven techniques can observe are limited. In this paper, we propose a software reliability model selection technique using data-driven reliability prediction to improve the prediction accuracy with obtaining reliability metrics. The proposed approach decides either selection or data-driven for target failure data using a classifier generated from historical failure data sets. If data-driven is chosen, the proposed approach builds an augmented failure data using the prediction results of the data-driven technique and selects a model for the augmented data. The proposed approach shows a 21% lower median value of the mean error of prediction compared to the best technique for comparison. With the improved reliability prediction accuracy using the proposed approach, the higher software reliability is achieved. 다양한 유형의 실패 데이터에 대해서 모두 최적의 성능을 보이는 모델은 없다는 문제를 해결하기 위해서 모델 선택 방법과 데이터-기반 신뢰도 예측 방법이 제안되었다. 그러나 모델 선택 방법은 여전히 모든 유형의 실패 데이터에 대해서 최적의 모델을 선택할 수는 없으며 데이터-기반 방법은 예측 결과로부터 얻을 수 있는 신뢰도 관련 척도가 한정적인 문제가 있다. 본 연구의 목표는 신뢰도를 정확하게 예측하면서도 다양한 신뢰도 관련 척도를 얻는 것이다. 이를 위해 데이터-기반 신뢰도 예측 결과를 이용하여 모델을 선택하는 기법을 제안한다. 이 기법은 과거 실패 데이터로부터 모델 선택 방법과 데이터-기반 방법 중 어떤 방법을 사용할지 선정한다. 데이터-기반 방법을 선정하면 데이터-기반 방법으로 예측한 값으로 증강된 데이터를 만들고 가장 적합한 신뢰도 모델을 선택한다. 제안 기법의 예측 성능을 평가한 결과 예측 오차의 중위 값이 비교대상 기법들 중 가장 정확한 기법에 비해 21% 작은 것을 확인했다.

다음을 사용하는 버그 심각도 권장 사항텍스트 마이닝과 장단기 기억 네트워크

부닝,김순태,류덕산 한국정보과학회 2022 한국정보과학회 학술발표논문집 Vol.2022 No.06

Blockchain Watchdog: 분산 저장소와 스마트 컨트랙트 코드 연동 실시간 블록체인 관제시스템

홍준기,김순태,류덕산 한국인터넷방송통신학회 2020 한국인터넷방송통신학회 논문지 Vol.20 No.4

블록체인의 참여가 증가하면서 생태계 유지를 위한 거버넌스가 활성화되고 있다. 거버넌스는 블록체인을 유지하 고 발전시키기 위해 관리/감독이 이루어져야 한다. 하지만 블록체인의 사용량이 증가함에 따라 사람이 일일이 관리하기 엔 한계가 존재한다. 또한, 이더리움부터 적용된 스마트 컨트랙트라는 새로운 거래 형태가 가능함에 따라 상태 값에 따라 결정되는 거래에 대해 검증이 필요하다. 본 연구는 거버넌스의 블록체인 생태계 유지와 발전을 위한 도구로 블록체인 스마트 컨트랙트의 상태 모니터링을 기반으로 하는 관제시스템(Blockchain Watchdog)을 제안하며, 관제시스템의 구 현 및 실험을 진행하였다. 사례 연구로 Ropsten과 Ganache를 활용한 사설 네트워크에서 실험을 진행하였으며, 실시간 정보수집과 대시보드와 그래프, 차트를 활용한 시각화를 볼 수 있었다. 우리는 Blockchain Watchdog을 통해 블록체인 거버넌스의 생태계 유지와 발전에 기여할 것이라 기대한다. As the participation of blockchain increases, governance to maintain the ecosystem is being activated. Governance must be managed/supervised to maintain and improve the blockchain. However, as the usage of blockchain increases, there is a limit for people to manage it individually. In addition, smart contracts applied from Ethereum need to be verified for trade that are determined according to status values, as new trade types are possible. This research proposes a surveillance system, Blockchain Watchdog, based on the state monitoring of the blockchain smart contract as a tool for maintaining and developing the blockchain ecosystem of governance, and implemented and tested the surveillance system. As a case study, we conducted experiments on Ropsten and Ganache, and were able to see real-time information collection and visualization using dashboards, graphs, and charts. We expect to contribute to the maintenance and development of the ecosystem of blockchain governance through Blockchain Watchdog.